CNN 卷积神经网络

参考博客：https://www.cnblogs.com/skyfsm/p/6790245.html

 

概念理解：

卷积神经网络是一种特殊的多层神经网络。像几乎所有其他神经网络一样，它们使用反向传播算法的版本进行训练。它们的不同之处在于架构。   
卷积神经网络旨在通过最少的预处理直接从像素图像识别视觉图案。  
它们可以识别具有极端可变性的图案（例如手写字符），并且具有对扭曲和简单几何变换的鲁棒性。

（引用自http://yann.lecun.com/exdb/lenet/）

 

应用领域：

卷积神经网络(CNN, Convolutional neural network)主要用来识别位移、缩放及其他形式扭曲不变性的二维图形。

卷积神经网络以其局部权值共享的特殊结构在语音识别和图像处理方面有着独特的优越性

 

卷积：一组固定的权重和不同窗口内数据做内积

即：矩阵乘法。如果不满足相乘条件，则将输入图像的矩阵（input）外围根据步长增加若干行列，使之能够满足和卷积层神经元对应矩阵行列相同的矩阵的按步长（如果滑动步长为2，则每次矩阵中的所有点向右或者下这二选一的两个方向滑动两格）滑动

 

激励函数：CNN采用的一般为ReLU

 

池化层（S2层）：夹在连续的卷积层中间， 用于压缩数据和参数的量，减小过拟合。例如：压缩图像

方法：多用Max pooling

记步长为step，则计算方法如下：每个step*step的窗口选出最大的数作为输出矩阵的相应元素的值即可